1 Carga de paquetes

Son muchos los paquetes empleados en estos análisis. Puedes consultar en el ChatGPT qué hace cada uno. Considera un aspecto también importante: algunas funciones escritas por mí se cargan con source_url y source; dentro de algunas de dichas funciones, también se cargan paquetes adicionales.

library(vegan)
library(sf)
library(tidyverse)
library(tmap)
library(kableExtra)
library(broom)
library(cluster)
library(gclus)
library(pvclust)
library(foreach)
library(leaps)
library(caret)
library(RColorBrewer)
library(indicspecies)
library(dendextend)
library(adespatial)
library(SpadeR)
library(iNEXT)
library(GGally)
library(vegetarian)
library(leaflet)
library(leaflet.extras)
library(readxl)
r <- 'R/'
gh_content <- 'https://raw.githubusercontent.com/'
gh_zonal_stats <- paste0(gh_content,
                         'geofis/zonal-statistics/0b2e95aaee87bf326cf132d28f4bd15220bb4ec7/out/')
repo_analisis <- 'biogeografia-master/scripts-de-analisis-BCI/master'
repo_sem202202 <- 'biogeografia-202202/material-de-apoyo/master/practicas/'
repo_sem202302 <- 'biogeografia-202302/practicas/main/'
devtools::source_url(paste0(gh_content, repo_analisis, '/biodata/funciones.R'))
devtools::source_url(paste0(gh_content, repo_sem202202, 'train.R'))
devtools::source_url(paste0(gh_content, repo_sem202202, 'funciones.R'))
fuentes_manuscrito <- 'fuentes/manuscrito/'
source(paste0(gh_content, repo_sem202302, r, 'funciones.R'))
umbral_alfa <- 0.05

2 Leer y preparar datos

2.1 Formularios de Angel Rolando Gomez Gonzalez

nombre_odk <- estudiantes_todos_datos %>% 
  filter(grepl(params$estudiante, `Nombres y apellidos compatible Params`)) %>%
  pull(odk_user)
mis_forms_campo <- odk_campo_form_usuario %>% 
  filter(grepl(nombre_odk, usuario_ODK)) %>% 
  inner_join(odk_campo) %>% 
  select(KEY, usuario_ODK, hexagono, Latitude, Longitude,
         Altitude, Accuracy, fechahora, llovio_ultima_hora,
         foto, responsable, otra_persona, observaciones_finales)
mis_forms_id <- odk_id_form_usuario %>% 
  filter(usuario_ODK == nombre_odk) %>% 
  inner_join(odk_id) %>% 
  select(-SubmissionDate, -`meta-instanceID`)

2.2 Mapa

mis_forms_campo_sf <- mis_forms_campo %>% st_as_sf(coords = c('Longitude', 'Latitude'))
leaflet(mis_forms_campo_sf) %>%
  addCircleMarkers(
    radius = 8, popup = ~ paste0(hexagono), stroke = T,
    weight = 1, fillColor = 'white', color = 'black', fillOpacity = 1,
    label = ~ hexagono,
    labelOptions = labelOptions(
      noHide = TRUE, direction = 'auto', offset = c(10, 0), textOnly = T,
      style = list('color' = 'black', 'font-weight' = 'bold',
                   'font-size' = '14px'))) %>%
  addTiles(group = 'OSM') %>%
  addProviderTiles("Esri.NatGeoWorldMap", group="ESRI Mapa") %>%
  addProviderTiles("Esri.WorldImagery", group="ESRI Imagen") %>%
  addProviderTiles("CartoDB.Positron", group= "CartoDB") %>%
  addLayersControl(
    baseGroups = c("CartoDB", "ESRI Imagen", "OSM", "ESRI Mapa"),
    position = 'bottomright',
    options = layersControlOptions(collapsed = FALSE)) %>% 
  addFullscreenControl()

2.3 Fotos

1696772913048.jpg

1696774867095.jpg

1696776334460.jpg

2.4 Generar matriz de comunidad y ambiental, prepararlas para cargarlas

3 Análisis exploratorio de datos (AED)

3.1 Cargar la matriz de comunidad

spp_odk <- read_excel(
  path = 'odk/biogeografia_hormigas_202302_identificacion.xlsx', sheet = 2) %>% 
  select(list_name, name, label) %>% 
  filter(list_name == 'especieid')
mc <- mis_forms_id %>%
  select(codigo_hexagono_elegido, codigo_hexagono_otro,
         especieid, especieidotra) %>% 
  mutate(hexagono = coalesce(codigo_hexagono_elegido, codigo_hexagono_otro)) %>% 
  select(-matches('codigo_hexagono_.*')) %>% 
  mutate(especieid_todas = case_when(
    !is.na(especieidotra) ~ paste(especieid, especieidotra, sep = " "),
    TRUE ~ as.character(especieid))) %>% 
  separate_rows(especieid) %>%
  distinct() %>% 
  left_join(spp_odk, by = c("especieid" = "name")) %>% 
  select(hexagono, especie = label) %>% 
  filter(especie != 'reina(s)') %>%
  mutate(presencia = 1) %>% 
  arrange(especie) %>% 
  pivot_wider(names_from = especie, values_from = presencia, values_fill = 0) %>% 
  arrange(hexagono)
write.csv(mc,
          paste0(fuentes_manuscrito, 'matriz-comunidad-', params$estudiante, '.csv'),
          row.names = F)
mc <- read.csv(
  file = paste0(fuentes_manuscrito, 'matriz-comunidad-', params$estudiante, '.csv'),
  row.names = 'hexagono', check.names = F)
mc %>% estilo_kable(
  titulo = 'Matriz de comunidad',
  nombres_filas = T, alinear = 'r')
TABLA 3.1: Matriz de comunidad
Brachymyrmex heeri Cardiocondyla minutior Dorymyrmex antillana Monomorium pharaonis Paratrechina longicornis Pheidole subarmata Solenopsis geminata Tetramorium bicarinatum Tetramorium lanuginosum
H0046 0 0 1 0 0 0 0 0 0
H0394 0 0 0 0 0 1 0 0 0
H0420 1 0 0 0 0 0 0 0 1
H0548 1 1 1 0 0 1 0 0 0
H0827 0 0 1 0 1 0 1 0 0
H0836 0 0 1 0 0 0 1 0 0
H0910 1 0 1 0 0 0 1 0 0
H0990 1 0 1 0 0 0 0 0 0
H1014 1 0 0 0 0 0 1 1 0
H1243 1 0 1 1 0 0 0 0 0
H1256 0 0 1 0 0 0 1 0 0
H1301 0 0 1 0 1 0 1 0 0
H1385 1 0 1 0 0 0 1 0 0
H1394 0 0 1 0 0 0 1 1 0
H1426 0 0 1 0 0 0 1 1 0
data.frame(Especies = sort(names(mc))) %>%
  estilo_kable(titulo = 'Lista de especies', cubre_anchura = F, alinear = 'c') %>% 
  column_spec(column = 1, width = "15em")
TABLA 3.2: Lista de especies
Especies
Brachymyrmex heeri
Cardiocondyla minutior
Dorymyrmex antillana
Monomorium pharaonis
Paratrechina longicornis
Pheidole subarmata
Solenopsis geminata
Tetramorium bicarinatum
Tetramorium lanuginosum
data.frame(`Número de sitios donde fue reportada la especie` = sort(colSums(mc), decreasing = T),
           check.names = F) %>%
  rownames_to_column('Especie') %>% 
  estilo_kable(
    titulo = 'Número de sitios en los que está presente cada especie (orden descendente por número de sitios)', 
    nombres_filas = F, alinear = 'cr')
TABLA 3.3: Número de sitios en los que está presente cada especie (orden descendente por número de sitios)
Especie Número de sitios donde fue reportada la especie
Dorymyrmex antillana 12
Solenopsis geminata 9
Brachymyrmex heeri 7
Tetramorium bicarinatum 3
Paratrechina longicornis 2
Pheidole subarmata 2
Cardiocondyla minutior 1
Monomorium pharaonis 1
Tetramorium lanuginosum 1
data.frame(`Riqueza por sitios` = rowSums(mc),
           check.names = F) %>%  rownames_to_column('Sitio') %>% 
  arrange(desc(`Riqueza por sitios`)) %>% 
  estilo_kable(
    titulo = 'Riqueza por sitios (orden descendente por riqueza)', 
    nombres_filas = F, alinear = 'cr')
TABLA 3.4: Riqueza por sitios (orden descendente por riqueza)
Sitio Riqueza por sitios
H0548 4
H0827 3
H0910 3
H1014 3
H1243 3
H1301 3
H1385 3
H1394 3
H1426 3
H0420 2
H0836 2
H0990 2
H1256 2
H0046 1
H0394 1

La matriz de comunidad analizada se compone de 15 sitios y 9 especies, donde el/los sitio/s más ricos es/son H0548. La/s especie/s más común/es es/son Dorymyrmex antillana y la/s más rara/s es/son Cardiocondyla minutior, Monomorium pharaonis y Tetramorium lanuginosum. El siguiente gráfico de mosaicos muestra la distribución de las especies según sitios.

grafico_mosaico <- crear_grafico_mosaico_de_mc(mc, tam_rotulo = 12) + xlab('Sitios') + ylab('Especie')
grafico_mosaico
Distribución de las especies según sitios

FIGURA 3.1: Distribución de las especies según sitios

3.2 Transformar la matriz de comunidad

Este paso es importante, lo explico aquí

mc_t <- decostand(mc, 'hellinger') #Hellinger, funciona con datos de presencia/ausencia
mc_t %>% estilo_kable(titulo = 'Matriz de comunidad transformada',
                      nombres_filas = T, alinear = 'r')
TABLA 3.5: Matriz de comunidad transformada
Brachymyrmex heeri Cardiocondyla minutior Dorymyrmex antillana Monomorium pharaonis Paratrechina longicornis Pheidole subarmata Solenopsis geminata Tetramorium bicarinatum Tetramorium lanuginosum
H0046 0.00 0.0 1.00 0.00 0.00 0.0 0.00 0.00 0.00
H0394 0.00 0.0 0.00 0.00 0.00 1.0 0.00 0.00 0.00
H0420 0.71 0.0 0.00 0.00 0.00 0.0 0.00 0.00 0.71
H0548 0.50 0.5 0.50 0.00 0.00 0.5 0.00 0.00 0.00
H0827 0.00 0.0 0.58 0.00 0.58 0.0 0.58 0.00 0.00
H0836 0.00 0.0 0.71 0.00 0.00 0.0 0.71 0.00 0.00
H0910 0.58 0.0 0.58 0.00 0.00 0.0 0.58 0.00 0.00
H0990 0.71 0.0 0.71 0.00 0.00 0.0 0.00 0.00 0.00
H1014 0.58 0.0 0.00 0.00 0.00 0.0 0.58 0.58 0.00
H1243 0.58 0.0 0.58 0.58 0.00 0.0 0.00 0.00 0.00
H1256 0.00 0.0 0.71 0.00 0.00 0.0 0.71 0.00 0.00
H1301 0.00 0.0 0.58 0.00 0.58 0.0 0.58 0.00 0.00
H1385 0.58 0.0 0.58 0.00 0.00 0.0 0.58 0.00 0.00
H1394 0.00 0.0 0.58 0.00 0.00 0.0 0.58 0.58 0.00
H1426 0.00 0.0 0.58 0.00 0.00 0.0 0.58 0.58 0.00
# Otras transformaciones posibles con datos de presencia/ausencia
# mc_t <- decostand(mc, 'normalize') #Chord
# mc_t <- decostand(log1p(mc), 'normalize') #Chord
# mc_t <- decostand(mc, 'chi.square') #Chi-square

3.3 Cargar la matriz ambiental

fuente_env_sf <- st_read('data/h3-res-12-no-edificios-3-grupos.gpkg') %>%
  rename(hexagono = indice_propio)
## Reading layer `h3-res-12-no-edificios-3-grupos' from data source 
##   `/home/jr/Documentos/clases_UASD/202302/repo-gh/geo131/manuscrito/data/h3-res-12-no-edificios-3-grupos.gpkg' 
##   using driver `GPKG'
## Simple feature collection with 1490 features and 7 fields
## Geometry type: POLYGON
## Dimension:     XY
## Bounding box:  xmin: 402627 ymin: 2041098 xmax: 403677.5 ymax: 2041889
## Projected CRS: WGS 84 / UTM zone 19N
env <- fuente_env_sf %>%
  st_drop_geometry() %>% 
  select(-index, -grupo) %>% 
  filter(hexagono %in% rownames(mc)) %>% 
  column_to_rownames('hexagono')
env %>% estilo_kable(titulo = 'Matriz ambiental', nombres_filas = T, alinear = 'r')
TABLA 3.6: Matriz ambiental
porc_SUEL porc_DOSE porc_CONS porc_EDIF
H0046 79.94 20.06 0.00 0.00
H0394 12.11 43.34 44.55 0.00
H0420 99.07 0.93 0.00 0.00
H0548 80.01 5.72 14.27 0.00
H0827 0.00 0.00 100.00 0.00
H0836 14.52 22.99 62.49 0.00
H0910 0.00 69.00 0.89 30.11
H0990 91.93 1.85 0.00 6.23
H1014 5.63 8.51 85.86 0.00
H1243 0.00 0.00 100.00 0.00
H1256 36.86 37.80 24.80 0.54
H1301 0.00 97.13 2.87 0.00
H1385 100.00 0.00 0.00 0.00
H1394 33.34 44.37 22.29 0.00
H1426 0.00 100.00 0.00 0.00

La matriz ambiental se compone de 4 variables de tipo numérico, conteniendo el valor de cada variable para cada uno de los 15 sitios. La siguiente tabla y el gráfico muestran un resumen de los estadísticos básicos de la matriz ambiental.

estad_basicos <- env %>%
  pivot_longer(everything(), names_to = "Variable", values_to = "Valor") %>%
  group_by(Variable) %>%
  summarise(
    Media = mean(Valor),
    Mediana = median(Valor),
    `Desv. Estándar` = sd(Valor),
    Varianza = var(Valor),
    `Error Estándar` = sd(Valor) / sqrt(length(Valor)))
estad_basicos %>% estilo_kable(titulo = 'Matriz ambiental', nombres_filas = F, alinear = 'crrrr')
TABLA 3.7: Matriz ambiental
Variable Media Mediana Desv. Estándar Varianza Error Estándar
porc_CONS 30.53 14.27 38.36 1471.53 9.90
porc_DOSE 30.11 20.06 34.75 1207.83 8.97
porc_EDIF 2.46 0.00 7.82 61.08 2.02
porc_SUEL 36.89 14.52 40.97 1678.49 10.58
env %>%
  pivot_longer(everything(), names_to = 'Variable', values_to = 'Valor') %>% 
  group_by(Variable) %>% 
  ggplot() +
  aes(x = Variable, y = Valor, color = Variable, fill = Variable) + 
  # geom_boxplot(lwd = 0.2) + 
  geom_violin(alpha = 0.2, width = 0.8, color = "transparent") +
  geom_jitter(alpha = 0.6, size = 2, height = 0, width = 0.1) +
  geom_boxplot(alpha = 0, width = 0.3, color = "#808080") +
        scale_fill_brewer(palette = 'Set1') +
        theme_bw() +
        theme(legend.position="none")

Las medias calculadas de las variables porc_SUEL, porc_DOSE, porc_CONS y porc_EDIF son, respectivamente, las siguientes: 36.89, 30.11, 30.53 y 2.46. La variable que con la media más alta fue porc_SUEL (36.89), y la más baja la obtuvo la variable porc_EDIF (2.46). Por otra parte, la mitad de los sitios midieron menos de 14.52, 20.06, 14.27 y 0, para cada una de las variables porc_CONS, porc_DOSE, porc_EDIF y porc_SUEL, respectivamente. Finlamente, la variable con mayor dispersión fue porc_SUEL y la de menor dispersión fue porc_EDIF.

Una verificación importante que debe realizarse es si las matrices de comunidad y ambiental tienen el mismo numero de filas y si las filas se encuentran en el mismo orden (e.g. consistencia entre matrices, donde cada fila en la matriz de comunidad se refiere al mismo sitio en la ambiental, y viceversa). Esto se puede comprobar por medio de los nombres de columnas y, en este caso, tras realizar la correspondiente comprobación, esta condición se cumple, por lo que podemos continuar adelante con los siguientes análisis

A continuación, realizaré análisis de agrupamiento, ordenación y diversidad, basándome en las indicaciones de Borcard, Gillet, y Legendre (2018), reaprovechando el código contenido en Martínez Batlle (2020).

4 Análisis de agrupamiento

A continuación, el análisis de agrupamiento propiamente. La parte más importante es generar un árbol, a partir de una matriz de distancias, que haga sentido desde el punto de vista de la comunidad y la distribución de las especies. Primero cargaré paquetes específicos de esta técnica y generaré la matriz de distancias.

mc_d <- vegdist(mc_t, "euc")

4.1 Generación de árboles

A continuación, generaré árboles usando distintos métodos. Explico detalladamente estas técnicas en el repo, y en los vídeos (13 a 16) de la lista mencionada arriba “Ecología Numérica con R” de mi canal.

lista_cl <- list(
        cl_single = hclust(mc_d, method = 'single'),
        cl_complete = hclust(mc_d, method = 'complete'),
        cl_upgma = hclust(mc_d, method = 'average'),
        cl_ward = hclust(mc_d, method = 'ward.D2')
)
par(mfrow = c(2,2))
invisible(map(names(lista_cl), function(x) plot(lista_cl[[x]], main = paste0(x, '\n(árbol de evaluación)'), hang = -1)))

par(mfrow = c(1,1))

A continuación, calcularé la distancia y la correlación cofenéticas; esta última, la correlación cofenética,se utiliza como criterio flexible para elegir el método de agrupamiento idóneo, pero no debe usarse de manera estricta. Se supone que el método con la mayor correlación cofenética explica mejor el agrupamiento de la comunidad. Si quieres comprender mejor esta técnica, consulta el vídeo que te referí en el párrafo anterior, así como los libros de referencia. Normalmente, el método UPGMA obtiene la mayor correlación cofenética, pero esto se debe a que su procedimiento de obtención maximiza precisamente dicha métrica. No es recomendable conservar un único método de agrupamiento, normalmente es bueno usar al menos dos. Ward es muchas veces recomendado como método de contraste, por basarse en procedimientos de cálculo muy distintos a los de UPGMA.

map_df(lista_cl, function(x) {
        coph_d <- cophenetic(x)
        corr <- cor(mc_d, coph_d)
        return(corr)
}) %>% t() %>% as.data.frame() %>%
  rownames_to_column %>%
  mutate(rowname = gsub('cl_', '', rowname)) %>% 
  setNames(c('Método de agrupamiento', 'Correlación cofenética')) %>%
  estilo_kable()
TABLA 4.1:
Método de agrupamiento Correlación cofenética
single 0.85
complete 0.84
upgma 0.89
ward 0.63

4.2 Anchura de siluetas

Ahora, calcularé las anchuras de silueta, una métrica que ayuda a determinar en cuántos grupos se organiza la comunidad; las anchuras de silueta no deben usarse como método estricto, y sólo debe usarse de forma flexible para informarnos sobre el número máximo de grupos posibles. Considera las siguientes reglas:

  • El número ideal es 3 grupos, de 4 a 5 grupos es aceptable, 6 o más grupos se considera difícil de interpretar, o es un resultado poco útil; 1 grupo es un resultado sin sentido.
  • Si obtienes distintos grupos, pero uno o varios están compuestos por un único sitio, observa qué ocurre en ese sitio, pues es probable que contenga especie raras sólo presentes en él. En este caso, es recomendable explorar dos alternativas para evitar el grupo formado por un único sitio: ver qué ocurre usando distintos métodos o elegir cortar el árbol en un número de grupos menor.

4.2.1 Anchuras de siluetas para método UPGMA

# UPGMA
anch_sil_upgma <- calcular_anchuras_siluetas(
        mc_orig = mc, 
        distancias = mc_d, 
        cluster = lista_cl$cl_upgma)
u_dend_reord <- reorder.hclust(lista_cl$cl_upgma, mc_d)
plot(u_dend_reord, hang = -1, main = 'Método UPGMA\n(árbol de evaluación)')
rect.hclust(
        tree = u_dend_reord,
        k = anch_sil_upgma$n_grupos_optimo)

resultado_evaluacion_upgma <- evaluar_arbol(u_dend_reord, anch_sil_upgma$n_grupos_optimo)

Tras cortar el árbol, la evaluación practicada concluyó lo siguiente: “Árbol no recomendado para usarse por producir grupos compuestos por dos elementos o menos”

4.2.2 Anchuras de siluetas para método Ward

# Ward
anch_sil_ward <- calcular_anchuras_siluetas(
        mc_orig = mc, 
        distancias = mc_d, 
        cluster = lista_cl$cl_ward)
w_dend_reord <- reorder.hclust(lista_cl$cl_ward, mc_d)
plot(w_dend_reord, hang = -1, main = 'Método Ward\n(árbol de evaluación)')
rect.hclust(
        tree = w_dend_reord,
        k = anch_sil_ward$n_grupos_optimo)

resultado_evaluacion_ward <- evaluar_arbol(w_dend_reord, anch_sil_ward$n_grupos_optimo)

Tras cortar el árbol, la evaluación practicada concluyó lo siguiente: “Árbol útil para análisis posteriores, siempre que se corte en 2 grupos”.

4.3 Remuestreo por bootstrap multiescalar

Una forma alterna de evaluar árboles consiste en usar el remuestreo por bootstrap multiescalar. No me interesa que profundices en ella, sólo presentártela como técnica probabilística para evaluar árboles generados por métodos determinísticos. La técnica es documentada en Borcard, Gillet, y Legendre (2018), de la cual puedes un resumen en este cuaderno y en este vídeo (minuto 51:33). El remuestreo por bootstrap multiescalar valida la robustez de los análisis de agrupamiento tomando múltiples muestras aleatorias de los datos en diferentes tamaños. Este proceso determina qué grupos son consistentemente identificados como clústeres, generando valores de probabilidad aproximadamente insesgados (AU) que son considerados más fiables que las probabilidades de bootstrap tradicionales (BP). Esta técnica ayuda a identificar y confirmar patrones robustos en los datos.

Lo aplicaré primero al árbol generado por el método UPGMA.

# UPGMA
# if(interactive()) dev.new()
cl_pvclust_upgma <-
        pvclust(t(mc_t),
                method.hclust = "average",
                method.dist = "euc",
                iseed = 99, # Resultado reproducible
                parallel = TRUE, quiet = TRUE)
# Añadir los valores de p
plot(cl_pvclust_upgma, hang = -1, main = 'Método UPGMA bootstrap\n(árbol de evaluación)')
# Añadir rectángulos a los grupos significativos
lines(cl_pvclust_upgma)
pvrect(cl_pvclust_upgma, alpha = 0.90, border = 4)

Lo aplicaré también al árbol generado por el método Ward.

# Ward
# if(interactive()) dev.new()
cl_pvclust_ward <-
        pvclust(t(mc_t),
                method.hclust = "ward.D2",
                method.dist = "euc",
                iseed = 99, # Resultado reproducible
                parallel = TRUE, quiet = TRUE)
# Añadir los valores de p
plot(cl_pvclust_ward, hang = -1, main = 'Método Ward bootstrap\n(árbol de evaluación)')
# Añadir rectángulos a los grupos significativos
lines(cl_pvclust_ward)
pvrect(cl_pvclust_ward, alpha = 0.91, border = 4)

4.4 Conclusión sobre selección de método de agrupamiento y número de grupos

Basado en lo anterior, elegiré un método de agrupamiento y un número de grupos, y lo exportaré a un archivo que posteriormente podré reaprovechar. La lógica empleada para elegir método de agrupamiento y número de grupos, es la siguiente: si el árbol generado por el método UPGMA no es recomendable (por tener grupos formados 2 o menos elementos), pero Ward sí, se usar el árbol generado por el método Ward y el número de grupos idóneo sugerido por la anchura de silueta. Si UPGMA es recomendable pero Ward no lo es, se usar el árbol generado por el método UPGMA, cortado en el número de grupos sugerido por la anchura de siluetas. Si ambos métodos son recomendables y sugieren el mismo número de grupos, se opta por el arbol generado por el método Ward. Si ambos métodos son recomendables pero sugieren un número diferente de grupos, se elige el método que sugiere menos grupos. Finalmente, si ambos métodos, UPGMA y Ward, resultan ser poco idóneos porque generan grupos muy pequeños (dos o menos elementos), se opta, como último recurso, por elegir el árbol generado por el método Ward cortado en 3 grupos.

grupos_seleccionados <- seleccionar_y_cortar_arbol(
  arbol_upgma = lista_cl$cl_upgma, arbol_ward = lista_cl$cl_ward,
  resultado_evaluacion_upgma = resultado_evaluacion_upgma,
  resultado_evaluacion_ward = resultado_evaluacion_ward)
saveRDS(grupos_seleccionados$resultado,
        paste0(fuentes_manuscrito, 'grupos_seleccionados-', params$estudiante,'.RDS'))

El árbol generado por el método UPGMA produce grupos compuestos por dos elementos o menos. Usamos el árbol generado por el método Ward cortado en 2 grupos . El árbol resultante se muestra a continuación:

# Convierte el hclust en dendrograma
dend <- as.dendrogram(grupos_seleccionados$arbol)

# Corta y colorea el dendrograma en k grupos
dend_colored <- color_branches(dend, k=grupos_seleccionados$k)

# Etiqueta los grupos
labels_colors <- labels_colors(dend_colored)
labels(dend_colored) <- paste0(labels(dend_colored), " (",
                               grupos_seleccionados$resultado[grupos_seleccionados$arbol$order],
                               ")")

# Grafica el dendrograma
# par(mar = c(3, 4, 4, 2) + 0.1) # Ajusta los márgenes
plot(
  dend_colored,
  main=paste(
    'Árbol seleccionado\nMétodo',
    grupos_seleccionados$metodo,
    'cortado en',
    grupos_seleccionados$k, 'grupos'),
  xlab = 'Sitios (grupo de pertenencia)')

4.5 Grupos (clústers), variables ambientales

Apliquemos el análisis de agrupamiento a la matriz ambiental. La clave en este punto es que, si la matriz ambiental presenta patrones parecidos a los de la matriz de comunidad, significa que el agrupamiento utilizado hace sentido entre ambos conjuntos de datos (comunidad y hábitat) de forma consistente. Si ambos conjuntos de datos son consistentes, significa que existe algún grado de asociación, aunque sea sólo una mera asociación estadística.

Agrupar los sitios de muestreo de la matriz ambiental según los grupos previamente definidos.

env_grupos <- env %>%
    rownames_to_column('sitios_de_muestreo') %>% 
    mutate(grupos = as.factor(grupos_seleccionados$resultado)) %>%
    pivot_longer(-c(grupos, sitios_de_muestreo), names_to = "variable", values_to = "valor")

Evaluar efectos entre los grupos (“diferencias significativas”). Se utilizan las pruebas estadísticas ANOVA (evalúa homongeneidad de medias) y Kruskal-Wallis (evalúa homogeneidad de medianas). Las tablas están ordenadas en orden ascendente por la columna p_valor_a, que son los p-valores de la prueba ANOVA.

env_grupos_ak <- env_grupos %>%
  group_by(variable) %>%
  summarise(
    p_valor_a = tryCatch(oneway.test(valor ~ grupos)$p.value, error = function(e) NA),
    p_valor_k = tryCatch(kruskal.test(valor ~ grupos)$p.value, error = function(e) NA)
    ) %>%
  arrange(p_valor_a)
env_grupos_ak %>% estilo_kable(alinear = 'crr')
TABLA 4.2:
variable p_valor_a p_valor_k
porc_SUEL 0.05 0.15
porc_DOSE 0.11 0.10
porc_EDIF 0.27 0.67
porc_CONS 0.70 0.37

Explora tus resultados.

env_grupos %>% 
        group_by(variable) %>% 
        ggplot() + aes(x = grupos, y = valor, group = grupos, fill = grupos) + 
        geom_boxplot(lwd = 0.2) + 
        scale_fill_brewer(palette = 'Set1') +
        theme_bw() +
        theme(legend.position="none") +
        facet_wrap(~ variable, scales = 'free_y', ncol = 8)

El objetivo de adjuntarle, a la matriz ambiental, el vector de agrupamiento generado a partir de datos de comunidad, consiste en caracterizar ambientalmente los hábitats de los subgrupos diferenciados según su composición. Observa los resultados de las pruebas estadísticas, de los diagramas de caja, y explora tus resultados:

4.6 Especies con preferencia/fidelidad con grupos (clústers)

Análisis de preferencia/fidelidad de especies con grupos (clusters), mediante el coeficiente de correlación biserial puntual (phi).

set.seed(9999)
phi <- multipatt(
  mc,
  grupos_seleccionados$resultado,
  func = "r.g",
  max.order = 1,
  control = how(nperm = 999))
summary(phi)

 Multilevel pattern analysis
 ---------------------------

 Association function: r.g
 Significance level (alpha): 0.05

 Total number of species: 9
 Selected number of species: 2 
 Number of species associated to 1 group: 2 

 List of species associated to each combination: 

 Group A  #sps.  1 
                    stat p.value   
Brachymyrmex heeri 0.798    0.01 **

 Group B  #sps.  1 
                     stat p.value  
Solenopsis geminata 0.707   0.022 *
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1 

Tabla de especies que presentaron asociación con grupos por medio de phi, usando umbral de significancia (umbral_alfa).

tabla_phi_sign <- phi$sign
tabla_phi_sign_alfa <- tabla_phi_sign[phi$sign$p.value < umbral_alfa, ]
data.frame(
  `Nombre de especie` = rownames(tabla_phi_sign_alfa),
  `P-valor` = tabla_phi_sign_alfa$p.value,
  `Grupo de asociación` = gsub('s\\.', '', names(tabla_phi_sign_alfa)[tabla_phi_sign_alfa$index]),
  check.names = F) %>%
  arrange(`Nombre de especie`) %>% 
  estilo_kable(alinear = 'crr')
TABLA 4.3:
Nombre de especie P-valor Grupo de asociación
Brachymyrmex heeri 0.01 A
Solenopsis geminata 0.02 B

5 Técnicas de ordenación

Me basaré en los scripts que comienzan por to_ de este repo, los cuales explico en los vídeos de “Técnicas de ordenación” de la lista de reproducción “Ecología Numérica con R” de mi canal.

5.1 Ordenación no restringida

5.1.1 PCA aplicado a datos de comunidad transformados

pca_mc_t <- rda(mc_t)
summary(pca_mc_t)

Call:
rda(X = mc_t) 

Partitioning of variance:
              Inertia Proportion
Total          0.5286          1
Unconstrained  0.5286          1

Eigenvalues, and their contribution to the variance 

Importance of components:
                         PC1    PC2     PC3    PC4     PC5     PC6     PC7      PC8      PC9
Eigenvalue            0.1841 0.1078 0.09663 0.0516 0.03379 0.02513 0.01920 0.009339 0.001074
Proportion Explained  0.3482 0.2039 0.18280 0.0976 0.06392 0.04753 0.03631 0.017667 0.002032
Cumulative Proportion 0.3482 0.5521 0.73494 0.8325 0.89646 0.94399 0.98030 0.997968 1.000000

Scaling 2 for species and site scores
* Species are scaled proportional to eigenvalues
* Sites are unscaled: weighted dispersion equal on all dimensions
* General scaling constant of scores:  1.649376 


Species scores

                              PC1      PC2       PC3       PC4       PC5       PC6
Brachymyrmex heeri        0.49181  0.47653  0.055787  0.005775  0.185580  0.048060
Cardiocondyla minutior    0.10047 -0.05509 -0.058617 -0.050677  0.101491  0.009642
Dorymyrmex antillana     -0.38654  0.13666 -0.482361 -0.151941  0.008698 -0.039516
Monomorium pharaonis      0.08067  0.08368 -0.093459 -0.049796 -0.046406  0.196373
Paratrechina longicornis -0.18443 -0.08033 -0.042136  0.334308 -0.033650  0.207979
Pheidole subarmata        0.32444 -0.52360  0.005501 -0.051256  0.143060 -0.007306
Solenopsis geminata      -0.57958  0.07973  0.298274  0.091804  0.214803 -0.061044
Tetramorium bicarinatum  -0.14944  0.02306  0.385436 -0.289877 -0.130434  0.106509
Tetramorium lanuginosum   0.20444  0.10746  0.100062  0.174669 -0.205334 -0.168544


Site scores (weighted sums of species scores)

           PC1      PC2      PC3       PC4      PC5      PC6
H0046 -0.14130 -0.08453 -0.80659 -0.380772 -0.65962 -0.29519
H0394  0.60931 -1.27454  0.17443 -0.001575  0.11309 -0.04611
H0420  0.78654  0.41342  0.38497  0.672000 -0.78998 -0.64844
H0548  0.54665 -0.29975 -0.31893 -0.275727  0.55220  0.05246
H0827 -0.43450 -0.18925 -0.09927  0.787620 -0.07928  0.48999
H0836 -0.45444 -0.05506 -0.09838  0.031313  0.19923 -0.53949
H0910 -0.02232  0.39020  0.01441  0.073258  0.64864 -0.22401
H0990  0.34537  0.45064 -0.44317 -0.197789  0.08040  0.05711
H1014  0.12220  0.27199  1.02190 -0.226669  0.18667  0.42796
H1243  0.38012  0.39431 -0.44038 -0.234636 -0.21866  0.92530
H1256 -0.45444 -0.05506 -0.09838  0.031313  0.19923 -0.53949
H1301 -0.43450 -0.18925 -0.09927  0.787620 -0.07928  0.48999
H1385 -0.02232  0.39020  0.01441  0.073258  0.64864 -0.22401
H1394 -0.41318 -0.08167  0.39713 -0.569607 -0.40064  0.03695
H1426 -0.41318 -0.08167  0.39713 -0.569607 -0.40064  0.03695
screeplot(
  pca_mc_t,
  bstick = TRUE,
  npcs = length(pca_mc_t$CA$eig)
)

# Biplot
cleanplot.pca(pca_mc_t, scaling = 1, mar.percent = 0.06, cex.char1 = 0.7)

5.1.2 Análisis de correspondencia (CA)

# Realizar el CA
mc_ca <- cca(mc)

Resumen de análisis de correspondencia.

summary(mc_ca)

Call:
cca(X = mc) 

Partitioning of scaled Chi-square:
              Inertia Proportion
Total           2.538          1
Unconstrained   2.538          1

Eigenvalues, and their contribution to the scaled Chi-square 

Importance of components:
                         CA1    CA2    CA3    CA4     CA5    CA6     CA7     CA8
Eigenvalue            0.6937 0.5914 0.3897 0.3426 0.21855 0.1490 0.10005 0.05307
Proportion Explained  0.2733 0.2330 0.1535 0.1350 0.08611 0.0587 0.03942 0.02091
Cumulative Proportion 0.2733 0.5063 0.6599 0.7949 0.88097 0.9397 0.97909 1.00000

Scaling 2 for species and site scores
* Species are scaled proportional to eigenvalues
* Sites are unscaled: weighted dispersion equal on all dimensions


Species scores

                              CA1     CA2     CA3       CA4      CA5      CA6
Brachymyrmex heeri        0.18125 -0.6992  0.3380 -0.126461  0.26413 -0.01703
Cardiocondyla minutior    1.71421  0.2666  0.2151  0.008423  1.77394 -1.35668
Dorymyrmex antillana     -0.20901  0.2010  0.1621  0.138749  0.20148  0.27728
Monomorium pharaonis     -0.02567 -0.6433  2.9593  0.441693 -1.35217 -0.47058
Paratrechina longicornis -0.63134  0.6625 -0.7325  1.746290 -0.44527 -0.77861
Pheidole subarmata        3.06992  0.8622 -0.3799 -0.009168 -0.68876  0.28792
Solenopsis geminata      -0.47348  0.3119 -0.2858 -0.090168 -0.04815  0.15332
Tetramorium bicarinatum  -0.51101  0.2749 -0.3854 -1.431448 -0.50593 -0.60122
Tetramorium lanuginosum   0.46795 -3.8231 -1.5316  0.401736 -0.46924  0.02426


Site scores (weighted averages of species scores)

           CA1     CA2     CA3       CA4     CA5      CA6
H0046 -0.30131  0.3399  0.4159  0.404981  0.9219  1.86109
H0394  4.42563  1.4578 -0.9749 -0.026758 -3.1515  1.93252
H0420  0.46795 -3.8231 -1.5316  0.401736 -0.4692  0.02426
H0548  1.71421  0.2666  0.2151  0.008423  1.7739 -1.35668
H0827 -0.63134  0.6625 -0.7325  1.746290 -0.4453 -0.77861
H0836 -0.49194  0.4336 -0.1588  0.070899  0.3508  1.44510
H0910 -0.24086 -0.1049  0.1833 -0.075772  0.6367  0.92530
H0990 -0.02001 -0.4211  0.6416  0.017933  1.0652  0.87340
H1014 -0.38598 -0.0633 -0.2851 -1.603470 -0.4422 -1.04020
H1243 -0.02567 -0.6433  2.9593  0.441693 -1.3522 -0.47058
H1256 -0.49194  0.4336 -0.1588  0.070899  0.3508  1.44510
H1301 -0.63134  0.6625 -0.7325  1.746290 -0.4453 -0.77861
H1385 -0.24086 -0.1049  0.1833 -0.075772  0.6367  0.92530
H1394 -0.57352  0.4441 -0.4356 -1.345438 -0.5378 -0.38174
H1426 -0.57352  0.4441 -0.4356 -1.345438 -0.5378 -0.38174

Gráfico de sedimentación o screeplot.

# Screeplot
screeplot(mc_ca, bstick = TRUE, npcs = length(mc_ca$CA$eig))

Representación del biplot.

# Biplot
plot(mc_ca,
     scaling = 1,
     main = "Análisis de correspondencia, escalamiento 1"
)

5.2 Ordenación restringida con modelización

A continuación, el análisis de ordenación propiamente. La parte más importante es el entrenamiento: la función train del paquete caret, contenida en la función my_train, simplifica la selección de variables. Lo más importante: prueba con todas las variables primero, observa las variables que recomienda el modelo final (print_my_train(mod)) y ensaya varias combinaciones de subconjuntos de variables.

mc_t_ren <- mc_t %>%
  rename_all(~ paste('ESPECIE', .x))
env_spp <- env %>% bind_cols(mc_t_ren)
spp <- paste0('`', grep('^ESPECIE', colnames(env_spp), value = T), '`', collapse = ' + ')
my_formula <- as.formula(paste(spp, '~ .'))
set.seed(1); mod <- my_train(
  formula = my_formula, 
  # preproceso = 'scale',
  data = env_spp,
  num_variables = 2)
print_my_train(mod)
$resumen_variables
Subset selection object
4 Variables  (and intercept)
          Forced in Forced out
porc_SUEL     FALSE      FALSE
porc_DOSE     FALSE      FALSE
porc_CONS     FALSE      FALSE
porc_EDIF     FALSE      FALSE
1 subsets of each size up to 2
Selection Algorithm: 'sequential replacement'
         porc_SUEL porc_DOSE porc_CONS porc_EDIF
1  ( 1 ) "*"       " "       " "       " "      
2  ( 1 ) "*"       " "       " "       "*"      

$resultados_nvmax
  nvmax      RMSE  Rsquared      MAE     RMSESD RsquaredSD      MAESD
1     2 0.3352474 0.2463778 0.262626 0.02617195    0.38734 0.03016471

$mejor_ajuste
  nvmax
1     2
(covar <- grep(
  pattern = '\\(Intercept\\)',
  x = names(coef(mod$finalModel,unlist(mod$bestTune))),
  invert = T, value = T))
[1] "porc_SUEL" "porc_EDIF"
rda_mc_t <- rda(mc_t_ren %>% rename_all(~ gsub('^ESPECIE ', '', .)) ~ .,
                    env %>% select_at(all_of(gsub('\\`', '', covar))), scale = T)

A continuación, el resumen del análisis de redundancia.

summary(rda_mc_t)

Call:
rda(formula = mc_t_ren %>% rename_all(~gsub("^ESPECIE ", "",      .)) ~ porc_SUEL + porc_EDIF, data = env %>% select_at(all_of(gsub("\\`",      "", covar))), scale = T) 

Partitioning of correlations:
              Inertia Proportion
Total           9.000      1.000
Constrained     1.287      0.143
Unconstrained   7.713      0.857

Eigenvalues, and their contribution to the correlations 

Importance of components:
                        RDA1    RDA2    PC1    PC2    PC3    PC4     PC5    PC6     PC7      PC8
Eigenvalue            1.1120 0.17488 2.0735 1.5506 1.4173 1.1687 0.72075 0.3744 0.32447 0.075838
Proportion Explained  0.1236 0.01943 0.2304 0.1723 0.1575 0.1299 0.08008 0.0416 0.03605 0.008426
Cumulative Proportion 0.1236 0.14299 0.3734 0.5457 0.7031 0.8330 0.91308 0.9547 0.99073 0.999158
                            PC9
Eigenvalue            0.0075801
Proportion Explained  0.0008422
Cumulative Proportion 1.0000000

Accumulated constrained eigenvalues
Importance of components:
                        RDA1   RDA2
Eigenvalue            1.1120 0.1749
Proportion Explained  0.8641 0.1359
Cumulative Proportion 0.8641 1.0000

Scaling 2 for species and site scores
* Species are scaled proportional to eigenvalues
* Sites are unscaled: weighted dispersion equal on all dimensions
* General scaling constant of scores:  3.350369 


Species scores

                             RDA1     RDA2     PC1      PC2       PC3      PC4
Brachymyrmex heeri       -0.63166  0.24095  0.5110 -0.35172  0.354565 -0.09382
Cardiocondyla minutior   -0.28552 -0.16109  0.3665  0.58515 -0.276415 -0.24149
Dorymyrmex antillana     -0.14884  0.08823 -0.8063  0.53223  0.422772 -0.22081
Monomorium pharaonis      0.31307 -0.03184  0.4215  0.06864  0.940093 -0.20940
Paratrechina longicornis  0.45946 -0.04672 -0.3475  0.22148  0.009516  0.77998
Pheidole subarmata        0.07343 -0.12153  0.7299  0.53194 -0.541489  0.01169
Solenopsis geminata       0.47260  0.24853 -0.7414 -0.29355 -0.279835 -0.03741
Tetramorium bicarinatum   0.40388 -0.09882 -0.1237 -0.60656 -0.361355 -0.63493
Tetramorium lanuginosum  -0.42814 -0.19188  0.3801 -0.62747  0.029459  0.53368


Site scores (weighted sums of species scores)

         RDA1    RDA2      PC1      PC2       PC3      PC4
H0046 -0.3850 -0.6817 -0.84227  0.79782  0.447132 -0.23263
H0394  0.1753 -4.0696  1.76561  0.82576 -1.303191  0.38672
H0420 -2.2297 -3.0135  1.10163 -1.81858  0.085380  1.54674
H0548 -1.6238 -3.4856  1.06212  1.69591 -0.801127 -0.69991
H0827  1.3472  0.2371 -0.68624  0.43738  0.018793  1.54034
H0836  0.4999  1.5039 -0.67591  0.17223  0.008286 -0.07345
H0910 -0.4276  2.8671  0.05182 -0.03419 -0.107583  0.04418
H0990 -1.2968  1.3837 -0.17680  0.15005  0.525217 -0.20560
H1014  0.4902  0.9645  0.52128 -1.52822 -0.615275 -0.85312
H1243 -0.1871  0.1825  1.22148  0.19894  2.724649 -0.60689
H1256  0.4999  1.5039 -0.84791  0.17588 -0.056404 -0.09277
H1301  1.3472  0.2371 -0.68624  0.43738  0.018793  1.54034
H1385 -0.4276  2.8671 -0.71221 -0.21956  0.119484 -0.19620
H1394  1.1090 -0.2484 -0.67643 -0.64519 -0.573918 -1.06521
H1426  1.1090 -0.2484 -0.41993 -0.64562 -0.490235 -1.03255


Site constraints (linear combinations of constraining variables)

          RDA1     RDA2      PC1      PC2       PC3      PC4
H0046 -0.82604 -0.46655 -0.84227  0.79782  0.447132 -0.23263
H0394  0.64481 -0.14896  1.76561  0.82576 -1.303191  0.38672
H0420 -1.24088 -0.55613  1.10163 -1.81858  0.085380  1.54674
H0548 -0.82751 -0.46687  1.06212  1.69591 -0.801127 -0.69991
H0827  0.90736 -0.09227 -0.68624  0.43738  0.018793  1.54034
H0836  0.59254 -0.16025 -0.67591  0.17223  0.008286 -0.07345
H0910 -0.40746  3.15334  0.05182 -0.03419 -0.107583  0.04418
H0990 -1.35787  0.14841 -0.17680  0.15005  0.525217 -0.20560
H1014  0.78530 -0.11863  0.52128 -1.52822 -0.615275 -0.85312
H1243  0.90736 -0.09227  1.22148  0.19894  2.724649 -0.60689
H1256  0.08435 -0.20643 -0.84791  0.17588 -0.056404 -0.09277
H1301  0.90736 -0.09227 -0.68624  0.43738  0.018793  1.54034
H1385 -1.26108 -0.56049 -0.71221 -0.21956  0.119484 -0.19620
H1394  0.18439 -0.24838 -0.67643 -0.64519 -0.573918 -1.06521
H1426  0.90736 -0.09227 -0.41993 -0.64562 -0.490235 -1.03255


Biplot scores for constraining variables

             RDA1    RDA2 PC1 PC2 PC3 PC4
porc_SUEL -0.9268 -0.3755   0   0   0   0
porc_EDIF -0.2111  0.9775   0   0   0   0

La varianza ajustada explicada por el modelo.

RsquareAdj(rda_mc_t)$adj.r.squared
[1] 0.0001556106

Y el factor de inflación de la varianza.

vif.cca(rda_mc_t)
porc_SUEL porc_EDIF 
 1.030264  1.030264 

Represento el gráfico triplot.

# Triplot
escalado <- 1
plot(rda_mc_t,
     scaling = escalado,
     display = c("sp", "lc", "cn"),
     main = paste("Triplot de RDA especies ~ variables, escalamiento", escalado)
)
rda_mc_t_sc1 <- scores(rda_mc_t,
         choices = 1:2,
         scaling = escalado,
         display = "sp"
  )
# text(mi_fam_t_rda, "species", col="red", cex=0.8, scaling=escalado)
arrows(0, 0,
       rda_mc_t_sc1[, 1] * 0.9,
       rda_mc_t_sc1[, 2] * 0.9,
       length = 0,
       lty = 1,
       col = "red"
)

6 Análisis de diversidad + análisis de agrupamiento abreviado

Me basaré en los scripts que comienzan por di_ de este repo, los cuales explico en los vídeos de “Análisis de diversidad” (vídeos 19 y 20) de la lista de reproducción “Ecología Numérica con R” de mi canal. Dichos vídeos tienen aplicaciones ligeramente diferentes, pues los datos fuente usados en ellos son de abundancia, mientras que los tuyos son de presencia/ausencia.

6.1 Calcular riqueza (e índices)

La principal desventaja de trabajar con registros de presencia, es que la mayoría de los índices de diversidad alpha fueron diseñados originalmente para calcularse a partir de datos de abundancia. Sin embargo, la riqueza de especies, que es el número \(q=0\) de Hill (\(=N_0\) en las columnas que produce la función alpha_div) es un buen proxy sobre la diversidad, y nos ayudará a comparar sitios.

Además de la columna N0 del objeto que generaré en el bloque siguiente, verás que la función alpha_div genera otras columnas; son índices pensados para datos de abundancia, que en este caso no usaremos, pero los muestro para que tengas una visión completa del análisis de diversidad con índices que podría serte de utilidad en el futuro.

Por otra parte, afortunadamente, los métodos de estimación de riqueza de Chao, y los de diversidad beta (al final de esta sección), aprovechan sustancialmente los registros de presencia/ausencia para realizar estimaciones consistentes y fiables.

Una nota adicional. En el análisis de diversidad, es útil (no imprescindible) disponer de un análisis clúster (agrupamiento) básico. Este te servirá para comparar la riqueza observada y la esperada entre hábitats. Por esta razón, combinamos análisis de diversidad con agrupamiento. Sin embargo, si el análisis de agrupamiento generó grupos de dos o menos elementos, dicha comparación no será realizable.

indices <- alpha_div(mc) %>% 
  mutate(sitio = rownames(.)) %>% 
  relocate(sitio, .before = everything())

El objeto mc es la matriz de comunidad de presecia/ausencia. La función alpha_div es un “envoltorio” generado por mí para calcular múltiples índices de diversidad y estimaciones, basada en las funciones de los paquetes SpadeR y iNEXT. Si usásemos datos de abundancia, los índices que calcula la función “alpha_div” serían útiles, pero con registros de presencia/ausencia, como es nuestro caso, sólo la columna N0 (riqueza) nos aportará algún resultado con sentido.

indices %>% 
  kable(booktabs=T) %>%
  kable_styling(latex_options = c("HOLD_position", "scale_down")) %>%
  gsub(' NA |NaN ', '', .) #Lista de especies
sitio N0 H Hb2 N1 N1b2 N2 J E10 E20
H0046 H0046 1 0.0000000 0.000000 1 1 1 1 1
H0394 H0394 1 0.0000000 0.000000 1 1 1 1 1
H0420 H0420 2 0.6931472 1.000000 2 2 2 1 1 1
H0548 H0548 4 1.3862944 2.000000 4 4 4 1 1 1
H0827 H0827 3 1.0986123 1.584963 3 3 3 1 1 1
H0836 H0836 2 0.6931472 1.000000 2 2 2 1 1 1
H0910 H0910 3 1.0986123 1.584963 3 3 3 1 1 1
H0990 H0990 2 0.6931472 1.000000 2 2 2 1 1 1
H1014 H1014 3 1.0986123 1.584963 3 3 3 1 1 1
H1243 H1243 3 1.0986123 1.584963 3 3 3 1 1 1
H1256 H1256 2 0.6931472 1.000000 2 2 2 1 1 1
H1301 H1301 3 1.0986123 1.584963 3 3 3 1 1 1
H1385 H1385 3 1.0986123 1.584963 3 3 3 1 1 1
H1394 H1394 3 1.0986123 1.584963 3 3 3 1 1 1
H1426 H1426 3 1.0986123 1.584963 3 3 3 1 1 1

Los sitios ordenados en función de su riqueza:

indices %>%
  arrange(desc(N0)) %>% 
  kable(booktabs=T) %>%
  kable_styling(latex_options = c("HOLD_position", "scale_down")) %>%
  gsub(' NA |NaN ', '', .) #Lista de especies
sitio N0 H Hb2 N1 N1b2 N2 J E10 E20
H0548 H0548 4 1.3862944 2.000000 4 4 4 1 1 1
H0827 H0827 3 1.0986123 1.584963 3 3 3 1 1 1
H0910 H0910 3 1.0986123 1.584963 3 3 3 1 1 1
H1014 H1014 3 1.0986123 1.584963 3 3 3 1 1 1
H1243 H1243 3 1.0986123 1.584963 3 3 3 1 1 1
H1301 H1301 3 1.0986123 1.584963 3 3 3 1 1 1
H1385 H1385 3 1.0986123 1.584963 3 3 3 1 1 1
H1394 H1394 3 1.0986123 1.584963 3 3 3 1 1 1
H1426 H1426 3 1.0986123 1.584963 3 3 3 1 1 1
H0420 H0420 2 0.6931472 1.000000 2 2 2 1 1 1
H0836 H0836 2 0.6931472 1.000000 2 2 2 1 1 1
H0990 H0990 2 0.6931472 1.000000 2 2 2 1 1 1
H1256 H1256 2 0.6931472 1.000000 2 2 2 1 1 1
H0046 H0046 1 0.0000000 0.000000 1 1 1 1 1
H0394 H0394 1 0.0000000 0.000000 1 1 1 1 1

6.2 Evaluar correlación entre riqueza y variables ambientales mediante matriz de correlación.

En el bloque siguiente, represento gráficamente la correlación entre la riqueza y las variables ambientales mediante un panel de gráficos, que suele llamarse también “matriz de correlación”, expresada gráficamente. Si usases índices de diversidad, como el de Shannon o los números de Hill, también deberías incluirlos en el gráfico; nota que en este ejemplo, sólo uso la riqueza (la función select(N0) se encarga de conservar sólo la riqueza). Esto es lo que debes saber sobre el panel:

  • Presta atención a la primera columna y la primera fila de la matriz, que muestra cómo se correlaciona N0 con las variables ambientales que elijas.

  • La diagonal contiene gráficos de línea que muestra la densidad de la variable en cuestión.

  • Los gráficos del “triángulo superior”, y que contienen el patrón Corr: ####, muestran el valor del coeficiente de correlación de Pearson (\(r\)) entre las variables intersectadas. Si existe un \(|r|\) elevado (es decir, si es muy cercano a -1 o a 1) y la prueba de producto-momento es significativa (si hay uno o varios asteriscos, o un punto, lo es), entonces toma nota de que dicha variable se asocia estadísticamente con la riqueza. Si \(r\) es negativo, la relación es inversa (cuando aumenta la variable, disminuye la riqueza, y viceversa); si es positivo, la relación es directa (cuando aumenta la variable, aumenta también la riqueza).

  • En el “triángulo inferior”, que es un espejo del superior, se sitúan los gráficos de dispersión de las variables intersectadas. Si los puntos siguen un patrón de distribución formando una elipse imaginaria (organizados en torno a una línea recta imaginaria inclinada), entonces existe correlación.

bind_cols(indices %>% select(N0), env %>%
            rename_with(.fn = ~ paste0('AMB_', .))) %>%
  ggpairs(
    labeller = label_wrap_gen(width=10),
    upper = list(continuous = wrap("cor", size = 3))) +
  theme(text = element_text(size = 10))

6.3 “Completitud de muestra” y curva de acumulación

“Completitud”, en porcentajes, según distintos estimadores. Con un 80% de completitud, se considera en general una muestra representativa. Sin embargo, este umbral de 80% no debe tomarse de forma estricta. Sobre todo porque existen métodos refinados que mejoran las estimaciones

riqueza_estimaciones <- data.frame(specpool(mc) %>% select(-matches('.se$'))) %>% 
  select(`Riqueza observada` = Species,
         `Número de sitios` = n,
         `Estimación por Chao (clásico)` = chao,
         `Estimación por jackknife de primer orden` = jack1,
         `Estimación por jackknife de segundo orden` = jack2,
         `Estimación por bootstrap` = boot) %>% 
  pivot_longer(cols = everything(), names_to = 'Variable', values_to = 'Valor') %>%
  mutate(`Cobertura (%)` = Valor / (filter(., Variable == "Riqueza observada") %>% pull(Valor)) * 100) %>% 
  mutate(`Cobertura (%)` = ifelse(Variable %in% c('Riqueza observada', 'Número de sitios'), NA, `Cobertura (%)`))
riqueza_estimaciones %>% estilo_kable(alinear = 'lrr')
TABLA 6.1:
Variable Valor Cobertura (%)
Riqueza observada 9.00
Número de sitios 15.00
Estimación por Chao (clásico) 11.10 123.33
Estimación por jackknife de primer orden 11.80 131.11
Estimación por jackknife de segundo orden 12.79 142.12
Estimación por bootstrap 10.33 114.83
# POSIBLE ERROR DE BUG NO RESUELTO. PODRÍA APARECER EL SIGUIENTE ERROR:
# Error in if (var_mle > 0) { : valor ausente donde TRUE/FALSE es necesario
# Varios intentos frustrados por lograr que funcione. Entiendo que el problema
# está en el número de doubletons (la matriz no tiene), pero no logré mejorar
# la función interna SpecInciHomo para solucionarlo. La versión de SpadeR usada
# en la aplicación Shiny https://chao.shinyapps.io/SpadeR/, no es la misma que 
# la que se encuentra en GitHub ni en el CRAN, pues esa no tiene bug.
df_spader <- data.frame(V1 = as.integer(c(nrow(mc), colSums(mc))))
df_spader %>% estilo_kable(
  titulo = 'Matriz de datos tal como la requiere el paquete SpadeR',
  nombres_filas = T, alinear = 'r', cubre_anchura = T)
TABLA 6.2: Matriz de datos tal como la requiere el paquete SpadeR
V1
1 15
2 7
3 1
4 12
5 1
6 2
7 2
8 9
9 3
10 1
tryCatch(
  expr = ChaoSpecies(df_spader, datatype = 'incidence_freq',
            k = min(df_spader$V1), conf=0.95),
  error = function(cond) {
      message("Se detectó un error", appendLF = TRUE)
      message('Esta información podría ayudar a depurar: ', cond, appendLF = TRUE)
      message('\nSaliendo...')},
    warning = function(warn) {
      message("Hubo una advertencia", appendLF = TRUE)
      message('Mostrando la advertencia a continuación: ', warn, appendLF = TRUE)},
    finally = {
      message('Estimación de riqueza generada satisfactoriamente')})
# Si apareciera ...
# "Error in if (var_mle > 0) { : valor ausente donde TRUE/FALSE es necesario
# ... entonces usar tabla básica de estimación: "riqueza_estimaciones"

Graficaré la curva de acumulación de especies.

mc_general <- mc %>%
  summarise_all(sum) %>%
  mutate(N = nrow(mc)) %>%
  relocate(N, .before = 1) %>%
  data.frame
nasin_raref <- iNEXT::iNEXT(
  x = t(mc_general),
  q=0,
  knots = 2000,
  datatype = 'incidence_freq')
acumulacion_especies <- iNEXT::ggiNEXT(nasin_raref, type=1) +
  theme_bw() +
  theme(
    text = element_text(size = 20),
    panel.background = element_rect(fill = 'white', colour = 'black'),
    panel.grid.major = element_line(colour = "grey", linetype = "dashed", size = 0.25)
  ) +
  ylab('Riqueza de especies') +
  xlab('Número de sitios') +
  scale_y_continuous(breaks = seq(0, 80, length.out = 9)) +
  scale_color_manual(values = brewer.pal(8, 'Set2')) +
  scale_fill_manual(values = brewer.pal(8, 'Set2'))
acumulacion_especies

Ahora según los grupos previamente seleccionados en el análisis de agrupamiento.

grupos_seleccionados <- readRDS(paste0(
  fuentes_manuscrito, 'grupos_seleccionados-',
  params$estudiante, '.RDS'))
mc_grupos <- mc %>%
  mutate(g = grupos_seleccionados) %>%
  group_by(g) %>%
  summarise_all(sum) %>%
  select(-g) %>% 
  mutate(N = nrow(mc)) %>% 
  relocate(N, .before = 1) %>% 
  data.frame
nasin_raref_general <- iNEXT::iNEXT(
  x = t(mc_grupos),
  q=0,
  knots = 400,
  datatype = 'incidence_freq')
acumulacion_especies_grupos <- iNEXT::ggiNEXT(nasin_raref_general, type=1) +
  theme_bw() +
  theme(
    text = element_text(size = 20),
    panel.background = element_rect(fill = 'white', colour = 'black'),
    panel.grid.major = element_line(colour = "grey", linetype = "dashed", size = 0.25)
  ) +
  ylab('Riqueza de especies') +
  xlab('Número de sitios') +
  scale_y_continuous(breaks = seq(0, 80, length.out = 9)) +
  scale_color_manual(values = brewer.pal(8, 'Set2')) +
  scale_fill_manual(values = brewer.pal(8, 'Set2'))
acumulacion_especies_grupos

6.4 Contribución de especies a la diversidad beta (SCBD, species contribution to beta diversity) y contribución local a la diversidad beta (LCBD local contribution to beta diversity)

determinar_contrib_local_y_especie(
    mc = mc,
    alpha = 0.05,
    nperm = 9999,
    metodo = 'sorensen')
## $betadiv
## $beta
##   SStotal   BDtotal 
## 3.7904762 0.2707483 
## 
## $SCBD
## [1] NA
## 
## $LCBD
##      H0046      H0394      H0420      H0548      H0827      H0836      H0910      H0990      H1014 
## 0.07579564 0.17252931 0.13676717 0.08090452 0.05435511 0.03710218 0.02353434 0.05234506 0.08190955 
##      H1243      H1256      H1301      H1385      H1394      H1426 
## 0.07278057 0.03710218 0.05435511 0.02353434 0.04849246 0.04849246 
## 
## $p.LCBD
##  H0046  H0394  H0420  H0548  H0827  H0836  H0910  H0990  H1014  H1243  H1256  H1301  H1385  H1394 
## 0.3507 0.0128 0.0449 0.2596 0.5307 0.7465 0.9325 0.5793 0.2540 0.3325 0.7471 0.5269 0.9400 0.6412 
##  H1426 
## 0.6530 
## 
## $p.adj
##  H0046  H0394  H0420  H0548  H0827  H0836  H0910  H0990  H1014  H1243  H1256  H1301  H1385  H1394 
## 1.0000 0.1920 0.6286 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 
##  H1426 
## 1.0000 
## 
## $method
## [1] "sorensen"     "sqrt.D=FALSE"
## 
## $note
## [1] "Info -- D is Euclidean because beta.div outputs D[jk] = sqrt(1-S[jk])"
## [2] "For this D functions, use beta.div with option sqrt.D=FALSE"          
## 
## $D
## [1] NA
## 
## attr(,"class")
## [1] "beta.div"
## 
## $especies_contribuyen_betadiv
## [1] NA
## 
## $sitios_contribuyen_betadiv
## [1] "H0394" "H0420"
## 
## $valor_de_ajustado_lcbd
##  H0046  H0394  H0420  H0548  H0827  H0836  H0910  H0990  H1014  H1243  H1256  H1301  H1385  H1394 
## 1.0000 0.1920 0.6286 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 
##  H1426 
## 1.0000 
## 
## $sitios_contribuyen_betadiv_ajustado
## character(0)

Referencias

Borcard, Daniel, François Gillet, y Pierre Legendre. 2018. Numerical ecology with R. Springer.
Martínez Batlle, José Ramón. 2020. biogeografia-master/scripts-de-analisis-BCI: Long coding sessions (versión v0.0.0.9000). Zenodo. https://doi.org/10.5281/zenodo.4402362.